版本記錄
| 版本號 | 時間 |
|---|---|
| V1.0 | 2017.10.28 |
前言
目前世界上科技界的所有大佬一致認為人工智能是下一代科技革命，蘋果作為科技界的巨頭，當然也會緊跟新的科技革命的步伐，其中ios API 就新出了一個框架
Core ML。ML是Machine Learning的縮寫，也就是機器學習，這正是現在很火的一個技術，它也是人工智能最核心的內容。
框架基本
Core ML的出現就是蘋果應對新的科技革命 —— 人工智能所做的改變和努力，也是順勢而為。ML的意思就是機器學習，機器學習，就是一種能讓計算機不需要不斷被人工顯示編程而能自己學習的人工智能技術，它不是通過具體的編碼算法，而是在大量的模型數據中找到一個合適的模式從而讓計算機能夠不斷的發展和完善自身算法。
這個技術所要模擬的就是一個龐大而復雜的神經網絡，這個神經網絡需要大量的訓練好的模型(model)來提供數據，使得這個神經網絡能對各種輸入(inputs)產生出一個對應的輸出結果(outputs)，并且還能通過不斷的訓練數據來提高自己的算法準確性。
下面我們就看一下該框架的基本情況。
Core ML框架幫助你將機器學習集成到您的APP中。如下圖所示。
一個經過訓練的模型是將機器學習算法應用于一組訓練數據的結果。 該模型基于新的輸入數據進行預測。 例如，根據某個地區的歷史房價進行訓練的模型能夠在給定臥室和浴室的數量時預測房子的價格。
Core ML是域特定框架和功能的基礎。 Core ML支持圖像分析愿景，自然語言處理基礎（例如，NSLinguisticTagger
類）和用于評估學習決策樹的GameplayKit。 Core ML本身建立在諸如Accelerate 和BNNS以及Metal Performance Shaders之類的低級原語之上。具體如下圖所示。
Core ML針對設備性能進行了優化，可最大限度地減少內存占用和功耗。 嚴格按照設備運行，確保用戶數據的隱私，并保證您的應用在網絡連接不可用時保持功能和響應。
下面我們看一下Core ML的基本結構。
框架結構
下面我們看一下該框架的基本結構。
1. First Steps
-
- 獲取你app中要使用的Core ML模型。
-
Integrating a Core ML Model into Your App
- 將簡單的模型加入一個app中，將輸入數據傳遞給模型，并產生模型的預測。
2. Computer Vision
-
Classifying Images with Vision and Core ML
- 使用
Core ML的Vision執行圖像分類。
- 使用
3. Model Conversion
-
Converting Trained Models to Core ML
- 將第三方機器學習工具產生的訓練模型轉化為Core ML模型格式。
4. Core ML API
-
Core ML API
- 直接使用
Core ML API以支持自定義工作流和高級用例。
- 直接使用
后記
這段時間有點忙，好幾天沒更新了，今天閑著了，就繼續更新了下。未完，待續~~~
